Kusudi. Kujaribu nadharia kwamba tofauti mbili ni za idadi ya watu sawa na, kwa hivyo, usawa wao.
Dhana potofu. S 2 2 = S 1 2
Dhana mbadala. Zipo chaguzi zifuatazo N Na kulingana na maeneo gani muhimu yanatofautiana:
1. S 1 2 > S 2 2 . Chaguo linalotumiwa zaidi ni H A. Eneo muhimu ni mkia wa juu wa usambazaji wa F.
2. Mstari wa 1 2< S 2 2 . Критическая область - нижний хвост F-распределения. Ввиду частого отсутствия нижнего хвоста, в таблицах критическую область обычно сводят к варианту 1, меняя местами дисперсии.
3. Upande mbili S 1 2 ≠S 2 2. Mchanganyiko wa mbili za kwanza.
Masharti. Data ni huru na inasambazwa kwa kawaida. Dhana kwamba tofauti za idadi ya watu wawili wa kawaida ni sawa inakubaliwa ikiwa uwiano wa tofauti kubwa hadi ndogo ni chini ya thamani muhimu ya usambazaji wa Fisher.
F P = S 1 2 /S 2 2
Kumbuka. Kwa mbinu iliyoelezwa ya uthibitishaji, thamani ya Fpasch lazima lazima iwe kubwa kuliko moja. Kigezo ni nyeti kwa ukiukaji wa dhana ya kawaida.
Kwa mbadala wa pande mbili S 1 2 ≠S 2 2 dhana potofu inakubaliwa ikiwa hali hiyo itafikiwa:
F l - α /2< Fрасч < F α /2
Mfano
Vigezo vya thermophysical viliamuliwa kwa kutumia njia tata ya thermometric. sifa (TFC) ya kimea kijani. Ili kuandaa sampuli, tulichukua hewa-kavu (wastani wa unyevu W=19%) na mvua ya malt ya siku nne (W=45%) kwa mujibu wa teknolojia mpya kutengeneza kimea cha caramel. Majaribio yameonyesha kuwa conductivity ya mafuta λ ya malt mvua ni takriban mara 2.5 zaidi kuliko ile ya malt kavu, na uwezo wa joto wa volumetric hauna utegemezi wazi juu ya unyevu wa malt. Kwa hivyo, kwa kutumia mtihani wa F, tuliangalia uwezekano wa kuongeza data kwa msingi wa maadili ya wastani bila kuzingatia unyevu.
Data iliyokokotwa imefupishwa katika jedwali 5.1
Jedwali 5.1
Data ya kukokotoa kigezo cha F
Thamani kubwa ya mtawanyiko ilipatikana kwa W=45%, i.e. S 2 45 = S 1 2, S 2 19 = S 2 2, na F P = S 1 2 /S 2 2 =1.35. Kutoka kwa Jedwali 5.2 kwa kiwango cha uhuru f 1 =N 1 -1=5 f 2 =N 2 -1=4 saa γ=0.95 tunaamua F KR =6.2. Nadharia potofu iliyoundwa kama "Katika safu ya unyevu wa kimea kijani kutoka 19 hadi 45%, ushawishi wake kwenye uwezo wa joto wa ujazo unaweza kupuuzwa" au "S 2 45 = S 2 19" na uwezekano wa kujiamini wa 95%. imethibitishwa, tangu Fp Mfano wa kujaribu nadharia juu ya umiliki wa tofauti mbili kwa idadi sawa kwa kutumia kigezo cha Fisher kwa kutumia Excel. Data inawasilishwa kwa sampuli mbili zinazojitegemea (Jedwali 5.2) za kiwango cha ufyonzaji wa maji wa nafaka ya ngano Utafiti wa athari za mashamba ya sumaku ya masafa ya chini ulifanyika. Jedwali 5.2 Matokeo ya utafiti Kabla ya kupima dhahania kuhusu usawa wa njia za sampuli hizi, ni muhimu kupima dhahania kuhusu usawa wa tofauti ili kujua ni kigezo gani cha kuchagua kuijaribu. Katika Mtini. 5.1 inaonyesha mfano wa kujaribu dhana kwamba tofauti mbili ni za watu sawa kwa kutumia kigezo cha Fisher kwa kutumia bidhaa ya programu ya Microsoft Excel. Mchoro 5.1 Mfano wa kupima uwiano wa tofauti mbili kwa idadi ya watu kwa kutumia kigezo cha Fisher. Data chanzo iko katika visanduku vilivyo kwenye makutano ya safu wima C na D na safu mlalo 3-10. Hebu tufanye yafuatayo: 1. Hebu tuone ikiwa sheria ya usambazaji wa sampuli za kwanza na za pili inaweza kuchukuliwa kuwa ya kawaida (safu C na D, kwa mtiririko huo). Ikiwa sivyo (kwa angalau sampuli moja), basi ni muhimu kutumia mtihani usio na kipimo; ikiwa ndiyo, tunaendelea. 2. Kokotoa tofauti za safu wima ya kwanza na ya pili. Ili kufanya hivyo, katika seli za SP na D11 tunaweka kazi =DISP(SZ:C10) na =DISP(DЗ:D10), kwa mtiririko huo. Matokeo ya chaguo za kukokotoa hizi ni thamani ya tofauti iliyokokotolewa kwa kila safu mtawalia. 3. Tafuta thamani iliyohesabiwa kwa kigezo cha Fisher. Ili kufanya hivyo, unahitaji kugawanya tofauti kubwa na ndogo. Katika kiini F13 tunaweka formula = C11 / D11, ambayo hufanya operesheni hii. 4. Amua ikiwa nadharia ya usawa wa tofauti inaweza kukubalika. Kuna njia mbili, ambazo zinawasilishwa katika mfano. Kwa mujibu wa njia ya kwanza, kwa kuweka kiwango cha umuhimu, kwa mfano 0.05, thamani muhimu ya usambazaji wa Fisher imehesabiwa kwa thamani hii na idadi inayofanana ya digrii za uhuru. Katika kisanduku F14, weka chaguo la kukokotoa = FPACPOBP(0.05;7;7) (ambapo 0.05 ni kiwango cha umuhimu kilichobainishwa; 7 ni idadi ya digrii za uhuru wa nambari, na 7 (pili) ni idadi ya digrii za uhuru wa nambari. dhehebu). Idadi ya digrii za uhuru ni sawa na idadi ya majaribio ukiondoa moja. Matokeo yake ni 3.787051. Kwa kuwa thamani hii ni kubwa kuliko thamani iliyokokotwa ya 1.81144, ni lazima tukubali nadharia tete ya usawa wa tofauti. Kwa mujibu wa chaguo la pili, uwezekano unaofanana unahesabiwa kwa thamani iliyohesabiwa iliyopatikana ya kigezo cha Fisher. Ili kufanya hivyo, ingiza kazi = FPACP (F13,7,7) kwenye kiini F15. Kwa kuwa thamani ya matokeo ya 0.22566 ni kubwa kuliko 0.05, hypothesis ya usawa wa tofauti inakubaliwa. Hii inaweza kufanywa na kazi maalum. Chagua vitu vya menyu kwa mfuatano Huduma
, Uchambuzi wa data
. Dirisha ifuatayo itaonekana (Mchoro 5.2). Mchoro 5.2 Dirisha la uteuzi wa mbinu ya kuchakata Katika dirisha hili chagua " Sampuli mbili za F-mecm kwa tofauti
" Kama matokeo, dirisha litaonekana kama inavyoonyeshwa kwenye Mtini. 5.3. Hapa unaweka vipindi (nambari za seli) za vigezo vya kwanza na vya pili, kiwango cha umuhimu (alpha) na mahali ambapo matokeo yatapatikana. Weka vigezo vyote muhimu na bofya OK. Matokeo ya kazi yanaonyeshwa kwenye Mtini. 5.4 Ikumbukwe kwamba kazi hujaribu kigezo cha upande mmoja na hufanya hivyo kwa usahihi. Kwa kesi wakati thamani ya kigezo ni kubwa kuliko 1, thamani muhimu ya juu huhesabiwa. Mchoro 5.3 Dirisha la mpangilio wa Parameta Wakati thamani ya kigezo ni chini ya 1, thamani ya chini muhimu huhesabiwa. Tunakukumbusha kwamba dhana ya usawa wa tofauti hukataliwa ikiwa thamani ya kigezo ni kubwa kuliko thamani muhimu ya juu au chini ya ile ya chini. Mchoro 5.4 Upimaji wa usawa wa tofauti Kwa kutumia mfano huu, tutazingatia jinsi kuegemea kwa equation ya regression inayotokana inatathminiwa. Jaribio lile lile hutumika kujaribu dhana kwamba vipunguzi vya urejeshaji ni sawa na sifuri, a=0, b=0 kwa wakati mmoja. Kwa maneno mengine, kiini cha mahesabu ni kujibu swali: inaweza kutumika kwa uchambuzi zaidi na utabiri? Ili kubaini ikiwa tofauti katika sampuli mbili zinafanana au tofauti, tumia jaribio hili la t.
ambapo m ni idadi ya mambo katika mfano. hitimisho: Kwa kuwa thamani halisi ya jedwali F > F, mgawo wa uamuzi ni muhimu kitakwimu ( makadirio ya mlinganyo wa urejeshi yaliyopatikana yanategemewa kitakwimu)
. Mfano. Kulingana na jumla ya makampuni 25 ya biashara, uhusiano kati ya sifa zifuatazo hujifunza: X - bei ya bidhaa A, rubles elfu; Y - faida biashara ya biashara, rubles milioni Wakati wa kutathmini muundo wa rejista, zifuatazo zilipatikana: matokeo ya kati: ∑(y i -y x) 2 = 46000; ∑(y i -y wastani) 2 = 138000. Ni kiashirio gani cha uwiano kinaweza kubainishwa kutoka kwa data hizi? Kuhesabu thamani ya kiashiria hiki kulingana na matokeo haya na kutumia Mtihani wa F ya Fisher fanya hitimisho kuhusu ubora wa modeli ya urekebishaji. Mtihani wa F ya Fisher: n = 25, m = 1. Swali: Ni takwimu gani zinazotumika kujaribu umuhimu wa modeli ya rejista? Chaguo za kukokotoa za FISCHER hurejesha kigeuzi cha Fisher cha hoja kuwa X . Mabadiliko haya hutoa chaguo la kukokotoa ambalo lina usambazaji wa kawaida badala ya uliopindishwa. Chaguo za kukokotoa za FISCHER hutumika kujaribu nadharia tete kwa kutumia mgawo wa uunganisho. Wakati wa kufanya kazi na kazi hii, lazima uweke thamani ya kutofautiana. Inafaa kuzingatia mara moja kuwa kuna hali kadhaa ambazo kipengele hiki haitaleta matokeo. Hii inawezekana ikiwa kutofautisha: Mlinganyo unaotumika kuelezea kazi ya FISCHER kihisabati ni: Z"=1/2*ln(1+x)/(1-x) Hebu tuangalie matumizi ya kazi hii kwa kutumia mifano 3 maalum. Mfano 1: Kutumia data ya shughuli mashirika ya kibiashara, inahitajika kufanya tathmini ya uhusiano kati ya faida Y (rubles milioni) na gharama X (rubles milioni) kutumika kwa ajili ya maendeleo ya bidhaa (iliyoonyeshwa katika Jedwali 1). Jedwali 1 - data ya awali: Mpango wa kutatua shida kama hizi ni kama ifuatavyo. Matokeo ya kutatua tatizo hili na kazi zinazotumiwa katika Excel zinaonyeshwa kwenye Mchoro 1. Kielelezo 1 - Mfano wa mahesabu. Kwa hivyo, kwa uwezekano wa 0.95, mgawo wa uunganisho wa mstari uko katika safu kutoka (-0.386) hadi (-0.990) na hitilafu ya kawaida ya 0.205. Mfano wa 2: Jaribu umuhimu wa takwimu wa mlinganyo rejeshi nyingi Kwa kutumia mtihani wa Fisher's F, fanya hitimisho. Ili kuangalia umuhimu wa equation kwa ujumla, tunaweka dhana H 0 kuhusu umuhimu wa takwimu wa mgawo wa uamuzi na hypothesis kinyume H 1 kuhusu umuhimu wa takwimu wa mgawo wa uamuzi: H 1: R 2 ≠ 0. Wacha tujaribu nadharia kwa kutumia mtihani wa Fisher's F. Viashiria vinaonyeshwa kwenye Jedwali 2. Jedwali 2 - Data ya awali Ili kufanya hivyo, tunatumia kazi katika Excel: HARAKA zaidi (α;p;n-p-1) Kujua kwamba α = 0.05, p = 2 na n = 53, tunapata thamani inayofuata kwa F crit (ona Kielelezo 2). Kielelezo 2 - Mfano wa mahesabu. Kwa hivyo tunaweza kusema kwamba F ilihesabu > F muhimu. Matokeo yake, hypothesis H 1 kuhusu umuhimu wa takwimu ya mgawo wa uamuzi inakubaliwa. Mfano 3. Kutumia data kutoka kwa makampuni 23 kuhusu: X ni bei ya bidhaa A, rubles elfu; Y ni faida ya biashara ya biashara, rubles milioni; utegemezi wao unasomwa. Muundo wa urejeshaji ulikadiriwa kama ifuatavyo: ∑(yi-yx) 2 = 50000; ∑(yi-yср) 2 = 130000. Ni kiashirio gani cha uwiano kinaweza kubainishwa kutoka kwa data hizi? Kuhesabu thamani ya kiashirio cha uunganisho na, kwa kutumia kigezo cha Fisher, fanya hitimisho kuhusu ubora wa modeli ya urejeshaji. Wacha tubaini F crit kutoka kwa usemi: F iliyohesabiwa = R 2 /23*(1-R 2) ambapo R ni mgawo wa uamuzi sawa na 0.67. Kwa hivyo, thamani iliyohesabiwa F calc = 46. Kuamua crit F tunatumia usambazaji wa Fisher (ona Kielelezo 3). Kielelezo 3 - Mfano wa mahesabu. Kwa hivyo, makadirio yanayotokana ya usawa wa regression ni ya kuaminika. 1. Jedwali la thamani za mtihani wa F za Fisher kwa kiwango cha umuhimu α = 0.05 Wakati m=1, chagua safu wima 1. k 2 =n-m=7-1=6 - yaani mstari wa 6 - chukua thamani ya jedwali la Fisher Jedwali la F =5.99, y wastani. = jumla: 7 Ushawishi wa x kwa y ni wa wastani na mbaya ŷ - thamani ya mfano. A = 1/7 * 398.15 * 100% = 8.1%< 10% - thamani inayokubalika Mfano ni sahihi kabisa. F hesabu. = 1/0.92 =1.6 F hesabu. = 1.6< F табл. = 5,99 Inapaswa kuwa F calc. > Jedwali la F Imekiukwa mfano huu, kwa hivyo mlingano huu sio muhimu kitakwimu. Kwa kuwa thamani iliyohesabiwa ni chini ya thamani ya meza, mfano ni mdogo. Hitilafu ya kukadiria. A= 1/7*0.563494* 100% = 8.04991% 8.0% Tunachukulia muundo huo kuwa sahihi ikiwa wastani wa kosa la kukadiria ni chini ya 10%. Kitambulisho cha parametric cha urejeshaji usio na mstari wa jozi Mfano y = a * x b - kazi ya nguvu Ili kutumia fomula inayojulikana, ni muhimu kuweka logarithm mfano usio na mstari. logi y = logi a + b logi x Y=C+b*X - mfano wa mstari. C = 1.7605 - (- 0.298) * 1.7370 = 2.278 Rudi kwa muundo asili Ŷ=sek 10 *x b =10 2.278 *x -0.298 Tunaingia EXCEL kupitia programu ya "Anza". Tunaingiza data kwenye meza. Katika "Zana" - "Uchambuzi wa Data" - "Regression" - Sawa Ikiwa menyu ya "Zana" haina mstari wa "Uchambuzi wa Data", basi lazima iwe imewekwa kupitia "Zana" - "Mipangilio" - "Kifurushi cha Uchambuzi wa Data" Utabiri wa mahitaji ya bidhaa za biashara. Tumia katika MS Vipengele vya Excel"Mwelekeo" A ni mahitaji ya bidhaa. B - wakati, siku Hatua ya 1. Kuandaa data ya awali Hatua ya 2. Panua mhimili wa muda, uiweka kwa 6.7 mbele; Tuna haki ya kutabiri 1/3 ya data. Hatua ya 3. Chagua safu A6: A7 kwa utabiri wa siku zijazo. Hatua ya 4. Ingiza Kazi Ingiza mchoro wa grafu laini zisizo za kawaida mbalimbali y tayari. Ikiwa kila thamani inayofuata ya mhimili wetu wa wakati hutofautiana sio kwa asilimia chache, lakini mara kadhaa, basi unahitaji kutumia sio kazi ya "Mwelekeo", lakini kazi ya "Ukuaji". 1. Eliseeva "Uchumi" 2. Eliseeva "Warsha juu ya uchumi" 3. Carlsberg "Excel kwa Malengo ya Uchambuzi" Takwimu za usajili Umuhimu F Odd Hitilafu ya kawaida T-takwimu P-thamani Chini 95% 95% ya juu Chini 95% 95% ya juu Equations kadhaa, na katika kila equation - vigezo kadhaa. Tatizo la kukadiria vigezo vya mfano huo wa matawi hutatuliwa kwa kutumia njia ngumu na za dhana. Hata hivyo, wote wana sawa msingi wa kinadharia. Kwa hivyo, ili kupata wazo la awali la yaliyomo katika njia za kiuchumi, tutajiwekea kikomo katika aya zifuatazo kwa kuzingatia urekebishaji rahisi wa mstari. ... Kwamba ulinganisho wa viwango (1) na (2) vilivyofanywa hivi karibuni haukufanywa kwa ukali kabisa. Ni wazi kuwa katika zana za kiuchumi za mtaalamu anayefanya utafiti wa kitaalam lazima kuwe na algorithm ya kupatanisha viwango vilivyopatikana. mbinu mbalimbali. Mbinu ya kupatanisha viwango vilivyounganishwa Shida inayozingatiwa hapa ni kutoa mpangilio huru wa jumla kutoka kwa seti... Inafanywa kwa kubadilisha katika equation ya regression maadili ya vigezo huru vinavyoamua hali ambazo utabiri hufanywa. 2.2 Mbinu za kupanga na kutabiri mapato ya bajeti ya serikali za mitaa Mbinu za utabiri na upangaji zinaonyeshwa katika mbinu na mbinu za kutengeneza nyaraka za utabiri na mipango na viashiria kuhusiana na aina mbalimbali... Hurejesha kinyume cha uwezekano wa usambazaji wa F (wenye mkia wa kulia). Ikiwa p = FRIST(x;...), basi FRIST(p;...) = x. Usambazaji wa F unaweza kutumika katika jaribio la F, ambalo linalinganisha kiwango cha mtawanyiko wa seti mbili za data. Kwa mfano, unaweza kuchanganua mgawanyo wa mapato wa Marekani na Kanada ili kubaini kama nchi hizo mbili zinafanana katika suala la msongamano wa mapato. Muhimu: Kipengele hiki kimebadilishwa na kipengele kimoja au zaidi ambacho hutoa zaidi usahihi wa juu na kuwa na majina ambayo yanaakisi zaidi kusudi lao. Ingawa kipengele hiki bado kinatumika kutoa utangamano wa nyuma, huenda isipatikane katika siku zijazo Matoleo ya Excel, kwa hivyo tunapendekeza kutumia vipengele vipya. Ili kupata maelezo zaidi kuhusu vipengele vipya, angalia makala F.REV Function na F.REV.PH Kazi. FRIST(uwezekano,uhuru_digrii1,uhuru_kubadilika2) Hoja za chaguo za kukokotoa za FALTER zimefafanuliwa hapa chini. Uwezekano- hoja inayohitajika. Uwezekano unaohusishwa na msambao limbikizi wa F. Viwango_vya_uhuru1- hoja inayohitajika. Nambari ya digrii za uhuru. Digrii_za_uhuru2- hoja inayohitajika. Denominator ya digrii za uhuru. Ikiwa hoja zozote si nambari, FDIST hurejesha #VALUE! thamani ya hitilafu. Ikiwa "uwezekano"< 0 или "вероятность" >1, chaguo za kukokotoa FRIST hurejesha thamani ya hitilafu #NUM!. Ikiwa thamani ya uhuru_kubadilika1 au uhuru_kubadilika2 si nambari kamili, imekatwa. Ikiwa "digrii_uhuru1"< 1 или "степени_свободы1" ≥ 10^10, функция FРАСПОБР возвращает значение ошибки #ЧИСЛО!. Ikiwa "digrii_uhuru2"< 1 или "степени_свободы2" ≥ 10^10, функция FРАСПОБР возвращает значение ошибки #ЧИСЛО!. Chaguo za kukokotoa za FDIST zinaweza kutumika kubainisha thamani muhimu za usambazaji wa F. Kwa mfano, matokeo ya ANOVA kwa kawaida hujumuisha data ya takwimu ya F, uwezekano wa F, na thamani muhimu ya usambazaji wa F katika kiwango cha umuhimu cha 0.05. Ili kubainisha thamani muhimu ya F, unahitaji kutumia kiwango cha umuhimu kama hoja ya uwezekano wa chaguo za kukokotoa za FDIST. Na kuweka thamani uwezekano, chaguo za kukokotoa FDIST hutafuta thamani ya x ambayo FDIST(x, uhuru_kubadilika1, uhuru_kubadilika2) = uwezekano. Kwa hivyo, usahihi wa chaguo la kukokotoa la FDIST hutegemea usahihi wa FDIST. Ili kutafuta, chaguo za kukokotoa za FRIST hutumia mbinu ya kurudia. Ikiwa utafutaji hautaisha baada ya marudio 100, thamani ya hitilafu ya #N/A itarejeshwa. Nakili data ya sampuli kutoka kwa jedwali lifuatalo na ubandike kwenye kisanduku A1 cha mpya Karatasi ya Excel. Ili kuonyesha matokeo ya fomula, zichague na ubonyeze F2, kisha ubonyeze Enter. Ikiwa ni lazima, badilisha upana wa safuwima ili kuona data zote.Nambari Nambari ya sampuli
uzoefu
2 ,
0,027
0,075
0,036
0,4
0,1
0,08
0,12
0,105
0,32
0,075
0,45
0,12
0,049
0,06
0,105
0,075
Kwa hivyo, madhumuni ya uchanganuzi ni kupata makadirio ambayo inaweza kusemwa kuwa katika kiwango fulani cha $ \ alpha $ matokeo ya equation ya rejista ni ya kutegemewa kitakwimu. Kwa hii; kwa hili mgawo wa uamuzi R 2 hutumiwa.
Kujaribu umuhimu wa modeli ya urejeshi hufanywa kwa kutumia jaribio la Fisher's F, thamani iliyohesabiwa ambayo hupatikana kama uwiano wa tofauti ya mfululizo wa awali wa uchunguzi wa kiashirio kinachosomwa na makadirio yasiyo na upendeleo ya tofauti ya mlolongo wa mabaki. kwa mfano huu.
Ikiwa thamani iliyohesabiwa na k 1 =(m) na k 2 =(n-m-1) digrii za uhuru ni kubwa kuliko thamani iliyoonyeshwa kwenye kiwango cha umuhimu fulani, basi mfano huo unachukuliwa kuwa muhimu.
Ukadiriaji wa umuhimu wa takwimu wa waliooanisha rejeshi la mstari Inafanywa kulingana na algorithm ifuatayo:
1. Dhana potofu inawekwa mbele kwamba mlinganyo kwa ujumla wake hauna maana kitakwimu: H 0: R 2 =0 katika kiwango cha umuhimu α.
2. Ifuatayo amua thamani halisi Mtihani wa F: 
ambapo m=1 kwa urejeshaji wa jozi.
3. Thamani iliyoonyeshwa imebainishwa kutoka kwa jedwali la usambazaji wa Fisher kwa kiwango fulani cha umuhimu, kwa kuzingatia kwamba idadi ya digrii za uhuru kwa jumla ya miraba (tofauti kubwa) ni 1 na idadi ya digrii za uhuru kwa mabaki. jumla ya miraba (tofauti ndogo) katika urejeshaji wa mstari ni n-2 (au kupitia chaguo la kukokotoa la Excel FRIST(uwezekano,1,n-2)).
Jedwali la F ni thamani ya juu zaidi inayowezekana ya kigezo chini ya ushawishi wa vipengele nasibu vilivyo na viwango fulani vya uhuru na kiwango cha umuhimu α. Kiwango cha umuhimu α ni uwezekano wa kukataa hypothesis sahihi, mradi tu ni kweli. Kwa kawaida α inachukuliwa kuwa 0.05 au 0.01.
4. Ikiwa thamani halisi ya mtihani wa F ni chini ya thamani ya meza, basi wanasema kwamba hakuna sababu ya kukataa hypothesis isiyofaa.
Vinginevyo, dhana potofu inakataliwa na dhana mbadala kuhusu umuhimu wa takwimu wa mlingano kwa ujumla inakubaliwa kwa uwezekano (1-α).
Thamani ya jedwali ya kigezo chenye viwango vya uhuru k 1 =1 na k 2 =48, jedwali la F = 4Uchambuzi wa tofauti
.
Viashiria vya ubora wa mlinganyo wa rejeshi
Suluhisho. Kutoka kwa data hizi tunaweza kuamua uwiano wa uunganisho wa nguvu: 
, ambapo ∑(y avg -y x) 2 = ∑(y i -y wastani) 2 - ∑(y i -y x) 2 = 138000 - 46000 = 92,000.
η 2 = 92,000/138000 = 0.67, η = 0.816 (0.7< η < 0.9 - связь между X и Y высокая).
R 2 = 1 - 46000/138000 = 0.67, F = 0.67/(1-0.67)x(25 - 1 - 1) = 46. Jedwali la F (1; 23) = 4.27
Kwa kuwa thamani halisi F > Ftable, makadirio yaliyopatikana ya mlinganyo wa rejista ni ya kutegemewa kitakwimu.
Jibu: Kwa umuhimu wa mfano mzima kwa ujumla, F-takwimu (mtihani wa Fisher) hutumiwa.Maelezo ya kazi ya FISCHER katika Excel
Makadirio ya uhusiano kati ya faida na gharama kwa kutumia kipengele cha FISHER
№
X Y
1
210,000,000.00 RUR 95,000,000.00 RUR
2
RUB 1,068,000,000.00 76,000,000.00 RUR
3
RUB 1,005,000,000.00 78,000,000.00 RUR
4
610,000,000.00 RUR 89,000,000.00 RUR
5
768,000,000.00 RUR 77,000,000.00 RUR
6
799,000,000.00 RUR 85,000,000.00 RUR
Hapana. Jina la kiashiria Fomula ya hesabu
1
Mgawo wa uwiano =CORREL(B2:B7,C2:C7)
2
Thamani ya jaribio la t iliyohesabiwa tp =ABS(C8)/SQRT(1-NGUVU(C8,2))*SQRT(6-2)
3
Thamani ya jedwali ya t-test trh =TAMBUA(0.05,4)
4
Jedwali la thamani ya kiwango usambazaji wa kawaida zy =NORMSINV((0.95+1)/2)
5
Thamani ya kubadilisha Fisher z' =MVUVI(C8)
6
Kadirio la muda wa kushoto la z =C12-C11*MZIZI(1/(6-3))
7
Kadirio la muda wa kulia la z =C12+C11*MZIZI(1/(6-3))
8
Kadirio la muda wa kushoto la rxy =KIVUVI(C13)
9
Kadirio la muda wa kulia kwa rxy =MAVUVI(C14)
10
Mkengeuko wa kawaida wa rxy =MZIZI((1-C8^2)/4)
Kukagua umuhimu wa takwimu wa urejeshaji rejea kwa kutumia chaguo za kukokotoa KASI
Kuhesabu thamani ya kiashiria cha uwiano katika Excel
1
2
3
4
5
6
8
12
24
∞
1
161,45
199,50
215,72
224,57
230,17
233,97
238,89
243,91
249,04
254,32
2
18,51
19,00
19,16
19,25
19,30
19,33
19,37
19,41
19,45
19,50
3
10,13
9,55
9,28
9,12
9,01
8,94
8,84
8,74
8,64
8,53
4
7,71
6,94
6,59
6,39
6,26
6,16
6,04
5,91
5,77
5,63
5
6,61
5,79
5,41
5, 19
5,05
4,95
4,82
4,68
4,53
4,36
6
5,99
5,14
4,76
4,53
4,39
4,28
4,15
4,00
3,84
3,67
7
5,59
4,74
4,35
4,12
3,97
3,87
3,73
3,57
3,41
3,23
8
5,32
4,46
4,07
3,84
3,69
3,58
3,44
3,28
3,12
2,93
9
5,12
4,26
3,86
3,63
3,48
3,37
3,23
3,07
2,90
2,71
10
4,96
4,10
3,71
3,48
3,33
3,22
3,07
2,91
2,74
2,54
11
4,84
3,98
3,59
3,36
3, 20
2,95
2,79
2,61
2,40
F hesabu. = 28,648: 1
= 0,92
200,50: 5
1
Σ
(y - ŷ) *100%
N y
Hapana. U X Y X Y*X
U Mimi (y-ŷ)/yI
1
68,80
45,10
1,8376
1,6542
3,039758
2,736378
60,9614643
0,113932
2
61, 20
59,00
1,7868
1,7709
3,164244
3,136087
56,2711901
0,080536
3
59,90
57, 20
1,7774
1,7574
3,123603
3,088455
56,7931534
0,051867
4
56,70
61,80
1,7536
1,7910
3,140698
3, 207681
55,4990353
0,021181
5
55,00
58,80
1,7404
1,7694
3,079464
3,130776
56,3281590
0,024148
6
54,30
47, 20
1,7348
1,6739
2,903882
2,801941
60,1402577
0,107555
7
49,30
55, 20
1,6928
1,7419
2,948688
3,034216
57,3987130
0,164274
Jumla 405, 20
384,30
12,3234
12,1587
21,40034
21,13553
403,391973
0,563493
Wastani 57,88571
54,90
1,760486
1,736957
3,057191
3,019362
57,62742
0,080499
Hapana. A
1
11
1
2
14
2
3
13
3
4
15
4
5
17
5
6
17,9
7
18,4
7
Bibliografia
Maombi HITIMISHO LA MATOKEO
Wingi R 0,947541801
R-mraba 0,897835464
R-mraba ya kawaida 0,829725774
Hitilafu ya kawaida
0,226013867
Uchunguzi 6
Uchambuzi wa tofauti
Kurudi nyuma 2
1,346753196
0,673376598
13,18219855
0,032655042
Salio 3
0,153246804
0,051082268
Jumla 5
1,5
Makutano ya Y 4,736816539
0,651468195
7,27098664
0,005368842
2,66355399
6,810079088
2,66355399
6,810079088
Kigezo cha X1 0,333424008
0,220082134
1,51499807
0,227014505
-0,366975566
1,033823582
-0,366975566
Sintaksia
Vidokezo
Mfano
